买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中南大学申请的专利基于深度残差网络的粉尘污染评价方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116109881B 。

龙图腾网通过国家知识产权局官网在2025-10-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211696768.8，技术领域涉及：G06V10/774；该发明授权基于深度残差网络的粉尘污染评价方法是由王少锋;樊凯鑫;尹江江设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本基于深度残差网络的粉尘污染评价方法在说明书摘要公布了：本公开实施例中提供了一种基于深度残差网络的粉尘污染评价方法，属于图像识别技术领域，具体包括：形成初始图像集；分别对初始图像集中每一组图像进行预处理操作得到二值分布图像集；分别计算二值分布图像集中每一组图像的灰度均值；根据统计标准对灰度均值结果集进行筛选并剔除异常数据；得到灰度均值和粉尘质量之间的线性函数关系式；通过灰度均值与初始图像集的对应关系得到初始图像等级划分集；对图像等级划分集进行扩充处理，得到图像等级扩充集；将图像等级扩充集作为训练数据输入预设的图像分类卷积神经网络模型，并调整参数，得到粉尘污染等级评价模型对待检测图像进行评级。通过本公开的方案，提高了检测效率、精准度和适应性。

本发明授权基于深度残差网络的粉尘污染评价方法在权利要求书中公布了：1.一种基于深度残差网络的粉尘污染评价方法，其特征在于，包括： 步骤1，采集多组不同质量的粉尘均匀扩散后的粉尘图像并按次序排列，形成初始图像集； 步骤2，分别对初始图像集中每一组图像进行预处理操作，得到每个像素值均为1或0的二值图像，用像素值为1和0的像素点分别代表粉尘颗粒和颗粒间的间隙或其他背景元素，得到二值分布图像集； 步骤3，分别计算二值分布图像集中每一组图像的灰度均值，得到灰度均值结果集； 步骤4，根据统计标准对灰度均值结果集进行筛选并剔除异常数据，得到灰度均值确定集； 所述步骤4具体包括： 利用Chauvenet准则判断灰度均值结果集中数据的残差绝对值是否满足判别式，将校验异常的数据从灰度均值结果集中删除，使灰度均值保留集中均为有效数据并将其作为灰度均值确定集，其中，Chauvenet准则的判别式为 其中，xi为计算得到的灰度均值数据，Zc为根据试验次数n变化的系数，和分别为在同等质量条件下的图像灰度均值的算术平均值和标准差估值； 步骤5，对灰度均值确定集进行算术平均计算，得到灰度均值算数平均集，并将其与粉尘质量进行线性拟合，得到灰度均值和粉尘质量之间的线性函数关系式； 所述步骤5具体包括： 在灰度均值确定集中选取组间相同次序的灰度均值，求取对应相同测试质量灰度均值的算术平均值，粉尘质量和算术平均值一一对应关系如以下函数表示： 其中，表示组次序为n的灰度均值的算术平均值，mn表示组次序为n的粉尘测试质量大小； 随后对灰度均值算数平均值与粉尘质量的关系式进行线性拟合，得到灰度均值与粉尘质量的线性函数关系式 其中，a和b分别表示线性关系式的斜率和截距； 步骤6，将所测粉尘质量区间等距分割成为T个粉尘质量等级区间，按照质量从小到大的顺序依次确定粉尘质量等级区间的对应污染等级，然后通过灰度均值和粉尘质量之间的线性函数关系式计算出灰度均值等级区间并与污染等级对应，得到T组灰度均值等级划分集，通过灰度均值与初始图像集的对应关系得到初始图像等级划分集； 步骤7，对图像等级划分集进行扩充处理，得到图像等级扩充集； 步骤8，将图像等级扩充集作为训练数据输入预设的图像分类卷积神经网络模型，并调整该模型的参数，得到粉尘污染等级评价模型对待检测图像进行评级； 所述步骤8之前，所述方法还包括： 构建卷积核大小为fc×fc×Cc的卷积层； 在卷积层后以ReLU作为激活函数构建激活层； 构建池化窗口大小为fp×fp的池化层，包括平均池化层和最大池化层； 在池化层后以ReLU作为激活函数构建激活层； 通过卷积层和池化层构建三种残差模块，分别包含x个卷积层和y个池化层； 构建1个softmax层； 构建2个全连接层，共同形成预设的图像分类卷积神经网络模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中南大学，其通讯地址为：410000 湖南省长沙市岳麓区麓山南路932号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。